Wat is er nieuw op het gebied van kunstmatige intelligentie uit de Gartner Hype Cycle van 2022?

Hype Cycle voor kunstmatige intelligentie, 2024

De Gartner Hype Cycle™ voor kunstmatige intelligentie (AI), 2022 identificeert onmisbare innovaties in AI-technologie die verder gaan dan alledaagse AI en intelligentie toevoegen aan voorheen statische bedrijfsapplicaties, apparaten en productiviteitstools.

"Het is opmerkelijk dat de Hype Cycle voor AI vol zit met innovaties waarvan verwacht wordt dat ze grote en zelfs transformatieve voordelen opleveren", aldus Afraz Jaffri, principal analyst bij Gartner. "Bijzondere aandacht wordt besteed aan innovaties waarvan verwacht wordt dat ze binnen twee tot vijf jaar mainstream worden, waaronder samengestelde AI, beslissingsintelligentie en edge AI. Vroegtijdige adoptie van deze innovaties kan een aanzienlijk concurrentievoordeel en bedrijfswaarde opleveren en de problemen verminderen die samenhangen met de kwetsbaarheid van AI-modellen."

Download nu: Een gedetailleerde gids voor Gartner's top 10 strategische technologietrends voor 2023

AI-innovaties in vier categorieën

De brede waaier aan AI-innovaties zal naar verwachting een impact hebben op mensen en processen binnen en buiten de onderneming. Het is daarom belangrijk dat veel stakeholders, van bedrijfsleiders tot engineeringteams die verantwoordelijk zijn voor de implementatie en exploitatie van AI-systemen, deze innovaties begrijpen.

Leiders in data en analytics (D&A) kunnen echter de grootste voordelen behalen door de Hype Cycle-visie te gebruiken om een AI-strategie voor de toekomst te ontwikkelen en technologieën te gebruiken die vandaag al een aanzienlijke impact hebben.

AI-innovaties in de Hype Cycle weerspiegelen complementaire en soms conflicterende prioriteiten in vier hoofdcategorieën:

Datacentrische AI

Modelcentrische AI

Applicatiecentrische AI

Menscentrische AI

Hype Cycle voor AI 2022

Lees meer: De Executive Guide to AI

Datacentrische AI

De AI-community heeft zich traditioneel gericht op het verbeteren van de resultaten van AI-oplossingen door de AI-modellen zelf te optimaliseren, maar datacentrische AI verschuift de focus naar het verbeteren en verrijken van de data die wordt gebruikt om algoritmen te trainen.

Datacentrische AI verstoort traditioneel databeheer door AI-specifieke dataoverwegingen aan te pakken, maar organisaties die op grote schaal in AI investeren, zullen evolueren om de klassieke ideeën voor databeheer te behouden en deze op twee manieren naar AI uit te breiden:

Voeg functionaliteiten toe die nodig zijn om AI-ontwikkeling te vergemakkelijken voor een AI-gericht publiek dat niet bekend is met databeheer.

Gebruik AI om de klassiekers van data governance, persistentie, integratie en datakwaliteit te verbeteren en te versterken.

Innovaties in datacentrische AI omvatten synthetische data, kennisgrafieken, datalabeling en annotatie.

Download nu: Een raamwerk voor het vastleggen van de bedrijfswaarde van AI

Synthetische data zijn bijvoorbeeld data die kunstmatig wordt gegenereerd in plaats van verkregen door directe observatie van de echte wereld. Data kan worden gegenereerd met behulp van verschillende methoden, zoals statistisch rigoureuze steekproeven uit echte data, semantische methoden en generatieve adversarial networks, of door gesimuleerde scenario's te creëren waarin modellen en processen samenwerken om volledig nieuwe datasets van gebeurtenissen te creëren.

De adoptie van synthetische data neemt toe in sectoren met toepassingsgebieden voor computer vision en natuurlijke taal, maar Gartner voorspelt dat het gebruik van synthetische data aanzienlijk zal toenemen als:

Het gebruik van persoonlijk identificeerbare informatie vermijden bij het trainen van machine learning (ML)-modellen met synthetische variaties van originele data of synthetische vervanging van delen van de data

De ontwikkelingskosten van ML verlagen en tijd besparen omdat het goedkoper en sneller te verkrijgen is

De prestaties van machine learning verbeteren omdat meer trainingsdata leidt tot betere trainingsresultaten

Modelcentrische AI

Hoewel AI-benaderingen steeds meer datacentrisch zijn geworden, moet er nog steeds aandacht worden besteed aan de modellen om ervoor te zorgen dat hun output ons blijft helpen slimmere acties te ondernemen. Innovaties op dit gebied zijn onder andere fysica-gebaseerde AI, samengestelde AI, causale AI, generatieve AI, fundamentele modellen en deep learning.

Samengestelde AI verwijst naar de fusie van verschillende AI-technologieën om de leerefficiëntie te verbeteren en de mate van kennisrepresentatie te verbreden. Omdat geen enkele AI-technologie almachtig is, zal samengestelde AI uiteindelijk een platform bieden om een breder scala aan bedrijfsproblemen efficiënter op te lossen.

Composiet AI zal naar verwachting binnen twee tot vijf jaar mainstream worden toegepast. De zakelijke voordelen ervan kunnen transformerend zijn, alle lagen van de bevolking versterken, nieuwe bedrijfsmodellen creëren en uiteindelijk leiden tot een grote verschuiving in het industriële landschap. Bijvoorbeeld:

Brengt de kracht van AI naar een bredere groep organisaties die geen toegang hebben tot grote hoeveelheden historische of gelabelde data, maar wel over een rijke menselijke expertise beschikken.

Helpt de reikwijdte en kwaliteit van AI-toepassingen te vergroten (d.w.z. er kunnen meer soorten redeneeruitdagingen worden ingebed).

Causale AI omvat een verscheidenheid aan technologieën, zoals causale grafieken en simulaties, die helpen causale verbanden te onthullen om de besluitvorming te verbeteren. Hoewel het 5 tot 10 jaar zal duren voordat causale AI mainstream wordt toegepast, zullen de zakelijke voordelen naar verwachting zeer aanzienlijk zijn. Het biedt nieuwe manieren om horizontale of verticale processen uit te voeren, waardoor de omzet van het bedrijf aanzienlijk stijgt of kosten worden bespaard. De voordelen van causale AI zijn onder andere:

Het verhogen van de efficiëntie van causale AI-modellen met kleinere datasets door domeinkennis toe te voegen

Besluitverbetering en autonomie van AI-systemen

Het verbeteren van de uitlegbaarheid door gemakkelijk interpreteerbare causale verbanden vast te leggen

Het mogelijk maken van meer robuustheid en aanpassingsvermogen door gebruik te maken van causale verbanden die geldig blijven in veranderende omgevingen

Het verminderen van bias in AI-systemen door causale verbanden explicieter te maken

Applicatiegerichte AI

Innovaties op dit gebied omvatten AI-engineering, beslissingsintelligentie, operationele AI-systemen, ModelOps, AI-cloudservices, slimme robots, natuurlijke taalverwerking (NLP), zelfrijdende auto's, slimme applicaties en computer vision.

Beslissingsintelligentie en edge AI zullen naar verwachting binnen twee tot vijf jaar mainstream worden en transformerende zakelijke voordelen opleveren.

Beslissingsintelligentie is een praktische discipline die de besluitvorming verbetert door expliciet te begrijpen en te ontwerpen hoe beslissingen worden genomen en hoe resultaten kunnen worden geëvalueerd, beheerd en verbeterd door middel van feedback.

Decision Intelligence helpt:

Technische schulden verminderen, de zichtbaarheid verbeteren en de impact van bedrijfsprocessen vergroten door de duurzaamheid van organisatorische beslissingsmodellen aanzienlijk te verbeteren op basis van relevantie en transparantie, waardoor beslissingen transparanter en beter controleerbaar worden.

De onvoorspelbaarheid van beslissingsresultaten verminderen door onzekerheid in de bedrijfsomgeving correct vast te leggen en te verantwoorden en beslissingsmodellen veerkrachtiger te maken.

Download nu: Hoe u uw besluitvormingsproces strategisch kunt inrichten.

Edge AI verwijst naar de integratie van AI-technologieën in Internet of Things (IoT)-eindpunten, gateways en edge-servers voor toepassingen variërend van zelfrijdende auto's tot streaming analytics. De zakelijke voordelen zijn onder andere:

Verbetering van de operationele efficiëntie, zoals bij de productie van visuele inspectiesystemen

Verbetering van de klantervaring

Verminder beslissingslatentie met lokale analyses

Verminder connectiviteitskosten en verminder dataverkeer tussen edge en cloud

Oplossingen zijn altijd beschikbaar, ongeacht de netwerkconnectiviteit

Mensgerichte AI

Deze groep innovaties omvat AI Trust, Risk and Security Management (TRiSM), Responsible AI, Digital Ethics en AI Maker and Education Kits.

Wanneer AI menselijke besluitvorming vervangt, versterkt het zowel goede als slechte resultaten. Responsible AI richt zich op de spanning tussen het leveren van waarde en het nemen van risico's om de juiste resultaten te behalen. Responsible AI is een overkoepelende term die alle aspecten omvat van het maken van passende zakelijke en ethische keuzes bij de implementatie van AI, waaronder zakelijke en maatschappelijke waarde, risico, vertrouwen, transparantie, eerlijkheid, het beperken van vooroordelen, uitlegbaarheid, verantwoording, veiligheid, privacy en naleving van regelgeving. Het zal vijf tot tien jaar duren voordat Responsible AI breed wordt toegepast, maar uiteindelijk een transformerende impact hebben op het bedrijfsleven.

Digitale ethiek is een trend die zich op korte termijn (twee tot vijf jaar) afspeelt en een aanzienlijke impact kan hebben op het bedrijfsleven. Digitale ethiek omvat een systeem van waarden en ethische principes voor elektronische interacties tussen mensen, organisaties en dingen. Deze kwesties, met name die met betrekking tot privacy en vooringenomenheid, blijven voor velen een aandachtspunt. Mensen zijn zich steeds meer bewust van de waarde van hun informatie en raken gefrustreerd door het gebrek aan transparantie, misbruik van informatie en informatielekken. Organisaties nemen maatregelen om risico's bij het beheer en de bescherming van persoonsgegevens te verminderen en overheden implementeren strengere wetgeving.